ИИ OpenAI ускорил графический чип AMD на 14 %: годовую работу инженеров нейросеть выполнила за пять месяцев

OpenAI поделилась результатами применения своих моделей искусственного интеллекта в проектировании микросхем. Нейросети помогают находить новые схемотехнические решения и способы повысить быстродействие уже готовых чипов, одновременно сокращая площадь кристалла. Возможности моделей проверили на собственном ускорителе Jalapeño и на разработках AMD. Главный итог — улучшение совокупных показателей PPA до 14 % в проектах, которые и без того были тщательно оптимизированы. По оценке компании, работа, на которую при традиционном подходе ушёл бы около года, заняла менее пяти месяцев.

Часть предложенных изменений уже вошла в проект, отправленный на производство. Отдельные эксперименты на открытых RISC-V-ядрах показали сильные стороны таких моделей и границы их применимости.

К работе над Jalapeño OpenAI приступила в начале 2025 года, тогда для этого использовалась модель GPT-o3 mini. В векторном блоке, который отвечает за параллельные вычисления, ИИ помог оптимизировать сумматоры, умножители, блоки преобразования данных и узлы специальных операций.

Модель повысила эффективность логических схем и перераспределила вычисления между этапами конвейера. В результате для разных операций стали использоваться одни и те же аппаратные компоненты, а объём данных, временно хранящихся в памяти, сократился.

Переработанный умножитель занимает на 15 % меньше площади, а время его операции уменьшилось с двух тактов до одного. Площадь сумматора тоже снизилась на 15 %, при этом задержка осталась прежней, в два такта. Площадь стандартных ячеек векторного блока в итоге сократилась примерно на 13 %, матричного — на 10 %.

В сотрудничестве с AMD модели улучшили ключевые блоки флагманского графического процессора по энергопотреблению, производительности и площади. Они предлагали правки в RTL-коде на SystemVerilog, языке описания цифровых схем, и анализировали не только вычислительные узлы, но и схемы управления и передачи данных.

AMD включила часть изменений в проект, уже отправленный на производство, а остальные добавила в документацию для будущих версий чипов. Компания также подтвердила прирост PPA на несколько процентов в ключевых блоках флагманских центральных процессоров следующего поколения. Корректность схем проверяли инструментами Synopsys: они подтвердили, что поведение блоков не изменилось, и помогли оценить компромиссы между энергопотреблением, скоростью и площадью.

Чтобы сравнить два поколения моделей, их испытали на открытых ядрах RISC-V: PicoRV32, рассчитанном на программируемые микросхемы, и Ibex, который применяется в OpenTitan. Модели сначала улучшали готовые ядра, затем проектировали процессор заново по описанию требований. При сопоставимом объёме вычислений, около 112 тыс. токенов на запуск, лучший результат на обоих ядрах показала GPT-6.2 Astra, а GPT-6.1 Sol превзошла GPT-5.6 Sol. Всего провели 9881 испытание.

При создании процессора с нуля все пять моделей получили более высокие оценки, чем при доработке существующей схемы. Дело в том, что в новый проект можно не включать функции, почти не влияющие на результаты тестов. Поэтому такие испытания не вполне отражают реальную разработку: при строгой проверке нужно учитывать обязательные функции, жёстче ограничивать площадь и проверять схему после физического проектирования.

Дальше OpenAI намерена сотрудничать с Synopsys. Компании разрабатывают модель GPT-Synopsys, которая сможет работать со средствами автоматизированного проектирования и проверки схем так, как это делают опытные разработчики чипов.

Читайте также: